CPQ実践

「チャットボットに一次対応を任せられないか」と営業部門から提案がありました。それに対し、製造部門は「製造できないものを売ってしまうリスクがないと保証できない限り、無理だ」と返答しました。 どちらの意見も正しいと言えます。AIの柔軟性を活用して、顧客からの雑多な要求を迅速に吸い上げたい。一方で、すべての見積もりが製造可能で、価格設定可能で、かつ正当性を説明できるものであるためには、ルールの確実性も必要です。これはどちらか一方を選ぶ問題ではありません。両者を二階層に重ねることで、これが可能になります。 多くのチームが見過ごしているシンプルな考え方があります。それは、決定論的なルールの層の上に、対話型の層を置くことです。AIに対話をさせ、ルールに判断を任せるのです。 単層よりも二層構造が優れている理由 CPQをめぐる問題の多くは、UIや機能不足が原因ではありません。根本にあるのは「信頼」の問題です。営業担当者は、提示する製品構成が有効であることを確信したい。経理部門は、その価格が妥当であることを確認したい。そして製品開発部門は、納期が迫ったからといって、ルールがこっそり迂回されることがないようにしたいのです。 生成AIは、メールやPDF、書きかけのメモから、顧客が何を望んでいるかという一貫したストーリーを組み立てるのが得意です。しかし、同じ問いかけに対して、日によって異なる答えを返すこともあります。ガートナー社もこの点を明確に指摘している通り、生成AIは確率論的に動作するため、本番の業務フローで使うにはガードレールが必須です。この非決定論的な性質は、要件の洗い出しには有用ですが、見積もり作成においてはリスクとなります。 一方、ルールベースのコンフィギュレーターはその逆です。一貫性があり、監査可能ですが、時に融通が利かないほど厳格です。推測はせず、ただルールに反するものをブロックします。 AIは顧客の「意図」を汲み取り、ルールは「事実」を保証します。 この二つを組み合わせることで、正確性を犠牲にすることなく、スピードを手に入れることができるのです。 二層式CPQの仕組み 私は、複雑な製品を販売するチームでこのアプローチを実践してきました。そのプロセスは意図的に退屈なものにしています。金額の大きな取引では、退屈であること、つまり予測可能であることが重要だからです。 第1層：...